昆山城市公园满意度评价机制：问卷调研、空间测算与PLSR模型构建

2.1 研究对象

本研究聚焦昆山市城市核心区及西部副城的部分地区，选取46个城市公园作为研究对象（图1）。研究对象筛选主要遵循以下3个原则。

1. 公园类型及规模，参考CJJ/T85—2017《城市绿地分类标准》、GB/T51346—2019《城市绿地规划标准》中的公园绿地分类[21-22]，公园类型包括游园、社区公园、综合公园，占地规模在0.4~195.3hm2。其中，社区公园根据规模大小细分为1~5hm2和>5~10hm22种，综合公园根据规模大小细分为>10~50hm2和>50hm22种。
2. 公园区位，选取邻近居住用地和服务对象以周边居民为主的公园，且多数分布在建设强度较高的中心城区。
3. 公园到访率，公园应常年开放并具有较为丰富的游憩活动。整体来看，研究区域内的建设开发强度呈现由内向外圈层式递减的特征，公园绿地空间布局受城市建设用地的限制，呈现西多东少、大分散而小聚集的特征。

2.2.1 问卷调研与总体满意度测算

问卷调研于2019年7月13-17日进行，笔者在工作日和周末对46个公园中的人群进行调研。调研的具体时段集中在清晨(06:00-09:00)和饭后散步时I司(17:00-21:00)，天气晴至多云，调研时段气温较为适宜。以46个城市公园为调研点，笔者采取随机采访的形式调查受访者对城市公园的总体满意度。调研问卷共分为3个部分:

1. 受访者的基本信息，包括年龄、到访公园花费时间、到访频率、交通方式、活动时长等;
2. 受访者对所在城市公园的总体满意度评价;
3. 受访者对城市公园景观空间品质、设施支持水平、维护管理水平的满意度和重要性评价。满意度评价分为非常满意、满意、一般、不满意、非常不满意，重要性评价分为非常重要、重要、一般、不重要、非常重要，均采取5级量表进行测度。

在昆山市4G个城市公园中，笔者共发放问卷GGO份，回收有效问卷G45份，有效率为97.7%。对全样本模型和高密度城区样本模型的研究数据进行信度分析，结果以克隆巴赫系数(Cionbacli'slplia，简称a系数)测度，当a系数>0.800，问卷量表信度最好;当0.700a系数<0.800，问卷量表信度可接受;当a系数<0.700时，问卷量表应重新设计。结果表明，全样本模型和高密度城区样本模型数据的a系数分别为0.845和0.813,满足样本信度条件。

综合考量每个城市公园的规模特点、服务功能和区位特征，按照城市公园类型，划定每个城市公园的最低有效问卷份数，其中游园>6份，1-5hm2的社区公园>10份，>5-10hm2的社区公园>15份，>10~50hm2的综合公园≥25份，>50hm2的综合公园≥30份。将问卷按照城市公园类型分组进行信度分析，计算结果表明，α系数均>0.700，满足样本信度条件。

2.2.2 空间数据采集与测算

1. 区位特征测算。在城市公园区位特征层面，本研究主要探究公园周边的人口密度、设施配置和交通组织对于城市公园服务的供给干预影响。参考居民的日常游憩步行距离，以城市公园为圆心划定500m半径服务范围，结合街区居住用地、建筑、基础设施等数据，以城市公园服务范围内的容积率作为城市公园周边人口密度的表征因子[15,24]，以公共兴趣点（point of interest, POI）密度[25]作为城市公园周边基础设施功能的表征因子，以城市路网密度[26]作为城市公园周边交通便捷程度的表征因子。
2. 宏微观特征测算。在空间布局特征层面，本研究主要探究城市公园及其周边绿地的总体规模特征、分布形态特征对于居民总体满意度评价的影响。同样以城市公园为圆心划定500m半径服务范围作为每个研究对象的研究范围，参考相关文献[6-8,24]，选取城市公园500m半径服务范围内的人均公园绿地面积、绿地率表征城市公园周边绿地的总体规模特征，选取居民游憩机会加权指数[8,24]、平均斑块面积表征城市公园周边绿地的分布形态特征。

在场地设计特征层面，本研究综合考虑不同城市公园的服务配置差异和相同环境下个体活动需求和感知的差异[27-28]，采用绿地主观感知数据描述绿地场地设计特征。参考相关研究[7-12]，选取植被覆盖特征、场地亲水特征表征城市公园的景观空间品质，选取休憩设施质量、健身设施质量表征城市公园的设施支持水平，选取维护与智慧管理能力表征城市公园的维护管理水平。

以上数据来源于实地调研问卷，由于在不同城市公园环境下不同分项具有个体评价的差异[29]，故笔者统计受访者对各城市公园上述场地要素的满意度和重要性评价，计算各项满意度和重要性乘积[4]，并采用Max-Min标准化方法进行无量纲处理，所得数据用于表征城市公园各项场地设计特征。

2.2.3 模型构建与检验

由于本研究中的变量普遍存在多重相关性，对回归系数的统计检验造成了一定困难。因此，本研究采用PLSR模型分析城市公园总体满意度的宏微观影响因素。将城市公园500m半径服务范围内的人均公园绿地面积、绿地率、游憩机会加权指数、平均斑块面积，以及公园场地内的植被覆盖特征、场地亲水特征、休憩设施质量、健身设施质量、维护与智慧管理能力作为自变量，将公园总体满意度作为因变量纳入模型。该方法集成了多元线性回归、主成分分析和典型相关分析的优点[30]，能有效解决建模时的共线性问题。

模型结果中，各因子的回归系数反映了该因子对因变量的影响大小与方向。通过计算某个或某类因子的回归系数绝对值相对于全部因子的占比，能确定某个或某类因子对于公园总体满意度的解释力。解释力反映自变量对于因变量的影响幅度，值越大说明自变量对因变量的影响幅度越大。

变量映射重要性（variable importance in projection, VIP）反映了自变量对因变量的重要性，VIP值越大，自变量对因变量的影响能力越强。参考相关研究[31-32]，将VIP的阈值设定为1，VIP值>1，代表自变量对于因变量具有显著影响。R2值则反映了所构建回归模型的拟合效果，R2值越大说明模型的所有自变量对总体满意度的解释效果越好。